KI entdeckt neues EKG-Signal, das plötzlichen Herztod besser vorhersagt als herkömmliche Verfahren

Das Modell findet nicht einfach nur einen neuen Marker – es findet einen, der klinisch relevant ist. In der von ihm identifizierten Hochrisikogruppe lag die jährliche Rate an plötzlichem Herztod bei 7,0 %, verglichen mit 4,6 % bei den Hochrisikopatienten, die der Standardtest der linksventrikulären Ejektionsfraktion (LVEF) ermittelte .

Wie das Modell trainiert und validiert wurde

Das Forschungsteam ging bei der Modellentwicklung äußerst systematisch vor. Es verknüpfte über 440.000 EKGs aus schwedischen Gesundheitsakten mit Sterbeurkunden, damit die KI lernen konnte, welche Wellenmuster dem plötzlichen Herztod vorausgehen . Die Deep-Learning-Architektur analysierte das gesamte 12-Kanal-Signal, nicht nur zusammenfassende Messwerte – so konnte sie subtile, nichtlineare Muster erkennen, die für das menschliche Auge unsichtbar sind.

Um sicherzustellen, dass die Ergebnisse nicht nur für Schweden gelten, wurde das Modell extern an tausenden unabhängigen Patientenakten aus den USA und Taiwan validiert. Die Vorhersagen waren über verschiedene Populationen und Gesundheitssysteme hinweg stabil – ein starkes Indiz für die Übertragbarkeit .

Warum die Erkennung des plötzlichen Herztods so schwierig ist

Der plötzliche Herzstillstand unterscheidet sich grundlegend vom Herzinfarkt. Bei einem Herzinfarkt ist eine Arterie blockiert, sodass der Herzmuskel keinen Sauerstoff mehr bekommt; der plötzliche Herzstillstand ist eine elektrische Fehlfunktion – der elektrische Strom im Herzen versagt ohne Vorwarnung .

Die Betroffenen sterben so schnell, dass es nahezu unmöglich ist, die Herzaktivität in den Augenblicken davor zu untersuchen. Autopsien können strukturelle Probleme aufdecken (verstopfte Gefäße, vernarbtes Gewebe), aber „die tatsächliche Funktion vor dem Tod bleibt eine Blackbox“, so die Forschenden .

Der aktuelle Goldstandard-Risikotest – die Messung der linksventrikulären Ejektionsfraktion (LVEF), also des Prozentsatzes des Blutes, den das Herz pro Schlag auswirft – ist ein stumpfes Instrument. Viele Menschen, die am plötzlichen Herztod sterben, haben eine normale LVEF, und viele mit niedriger LVEF erleiden nie einen Herzstillstand . Der Standardansatz übersieht die meisten Menschen, die Hilfe brauchen.

Praktische Ergebnisse im Vergleich zu Standardtests

Die KI identifizierte eine Hochrisikogruppe, die etwa 2,2 % der untersuchten Bevölkerung ausmachte. Die jährliche Rate von 7,0 % an plötzlichem Herztod in dieser Gruppe ist vergleichbar mit – oder besser als – der Risikoschwelle, die in klinischen Studien für implantierbare Defibrillatoren (ICDs) verwendet wird . Das bedeutet, dass viele Patienten, die nach den aktuellen Leitlinien übersehen würden, Kandidaten für lebensrettende Geräte sein könnten.

Wie es weitergeht

Die Forschung weist drei klare nächste Schritte auf:

1. Klinischer Einsatz für Defibrillator-Entscheidungen: EKGs sind günstig, nicht-invasiv und in fast jeder Klinik weltweit verfügbar. Das KI-Modell könnte Ärztinnen helfen zu entscheiden, wer einen implantierbaren Kardioverter-Defibrillator (ICD) benötigt. Obermeyer formulierte es so: „Wenn Sie wüssten, dass Sie zu den Menschen gehören, die plötzlich sterben werden, würden Sie zum Kardiologen gehen und sich einen Defibrillator einsetzen lassen. Das Problem ist, dass Ärzte nicht erkennen können, wer einen braucht, bevor es zu spät ist“ .

2. Neues physiologisches Verständnis: Die neuartige Wellenform, die die KI entdeckt hat – ohne dass man ihr sagen musste, wonach sie suchen soll – eröffnet eine neue Forschungsrichtung. Das Verständnis des genauen elektrischen Mechanismus hinter der verschliffenen R-Zacke in Ableitung aVL könnte zeigen, warum manche Herzen plötzlich versagen. „Wir können nicht nur bessere Entscheidungen treffen, sondern auch beginnen zu verstehen, was bei diesen Patienten tatsächlich vor sich geht, bevor ihr Herz stillsteht“, sagte Obermeyer .

3. Prospektive Studien vor der breiten Anwendung: Die externe Validierung über drei Länder hinweg ist ein starkes Indiz, aber das Modell muss in prospektiven klinischen Studien getestet werden, bevor es in die tägliche Praxis einfließen kann. Die Arbeit des Teams zeigt die Art von gründlicher, bevölkerungsübergreifender Validierung, die diesen Befund besonders vielversprechend macht .